图像处理的基础知识

位姿：
两个空间坐标系之间的位移和旋转。

图像的频率被称为空间频率，空间频率是指单位长度内亮度做周期性变化的次数

每个像素对应矩阵上的一个数。

外参就是：旋转和平移

相机矩阵：世界坐标>图像坐标
内参矩阵：图像坐标>像素坐标
外参矩阵：世界坐标>相机坐标

两个字符串进行异或运算，并统计结果为1的个数，那么这个数就是汉明距离。
总结
相比于两视图的基础矩阵（本质矩阵）来说，两图像的单应矩阵比较难理解一些。针对本文，总结以下几点
使用场景
基础矩阵表示的是两视图的对极约束，和三维场景的结构无关，只依赖于相机的内参数以及外参数，需要两个相机的位置有旋转和平移
单应矩阵对场景的三维结构有了更多的要求，需要场景中的点在同一个平面上； 或者是，对相机的位姿有了要求，两个相机之间只有旋转而无平移
约束关系
基础矩阵表示的像点和另一幅图像上的对极线的映射关系，使用基础矩阵无法得到像点对应点在另一幅图像上的确切位置。
单应矩阵则是点和点的映射，使用单应矩阵可以找到像点在另一幅图像上对应点的确切位置。
使用单应矩阵而不是基础矩阵
相机只有旋转而无平移的时候，两视图的对极约束不成立，基础矩阵F为零矩阵，这时候需要使用单应矩阵H
场景中的点都在同一个平面上，可以使用单应矩阵计算像点的匹配点。
相机的平移距离相对于场景的深度较小的时候，也可以使用单应矩阵H。

SLAM：同时定位于地图构建

相机内参是相机坐标到像素坐标的转换矩阵

单目成像过程：
1.首先，世界坐标系下有一个固定的点P，世界坐标为Pw。
2.由于相机在运动，它的运动由R，t或变换矩阵T∈SE（3）描述。P的相机坐标为Pc=RPw+t。
3.这时的P仍有X,Y,Z三个量，把它们投影到归一化平面Z=1上，得到归一化相机坐标：Pc=[X/Z,Y/Z,1]^T。
4.最后，P的归一化坐标经过内参后，对应到它的像素坐标：Puv=KPc。